Linux性能优化-平均负载
- 平均负载的含义
- 平均负载为多少时合理
- 平均负载与 CPU 使用率
- 平均负载案例分析
- 场景一：CPU 密集型进程
- 场景二：I/O 密集型进程
- 场景三：大量进程的场景
- 小结
当系统变得卡顿时，我们通常会通过top或者uptime命令来了解系统负载情况。
$ uptime
19:47:30 up 6:00, 1 user, load average: 0.00, 0.01, 0.05
前3列分别是当前时间、系统运行的时间以及正在登录的用户数
19:47:30 //当前时间
up 6:00 //系统运行时间
1 user //正在登录用户数
load average（平均负载）一词代表的是过去1分钟、5分钟、15分钟的平均负载。
平均负载的含义
简单来说，平均负载是指单位时间内，系统处于可运行状态和不可中断状态的平均进程数，也就是平均活跃进程数，它和CPU使用率并没有直接关系。可以通过执行 man uptime 命令，来了解平均负载的详细解释。
- 可运行状态：正在使用CPU或者正在等待CPU的进程，也就是我们ps命令看到的，处于R状态（Running或Runnable）的进程。
- 不可中断状态：正处于内核态关键流程中的进程，并且这些流程是不可打断的，比如常见的等待硬件设备的I/O响应，也就是我们在ps命令中看到的D状态（Uninterruptible Sleep，也称为Disk Sleep）的进程。比如，当一个进程向磁盘写数据时，为了保证数据的一致性，在得到磁盘回复前，它是不能被其他进程中断打断的，这个时候的进程就处于不可中断状态。如果此时的进程被打断，就容易出现磁盘数据与进程数据不一致的问题。
不可中断状态实际上是系统对进程和硬件设备的一种保护机制。
因此，你可以简单理解为，平均负载其实就是平均活跃进程数。平均活跃进程数，直观上的理解就是单位时间内的活跃进程数，但它实际上是活跃进程数的指数衰减平均值。这个“指数衰减平均”的详细含义你不用计较，这只是系统的一种更快速的计算方式，你把它直接当成活跃进程数的平均值也没问题。
平均负载为多少时合理
既然平均的是活跃进程数，那么最理想的，就是每个 CPU 上都刚好运行着一个进程，这样每个 CPU 都得到了充分利用。比如当平均负载为 2 时，意味着什么呢？
- 在只有 2 个 CPU 的系统上，意味着所有的 CPU 都刚好被完全占用。
- 在 4 个 CPU 的系统上，意味着 CPU 有 50% 的空闲。
- 而在只有 1 个 CPU 的系统中，则意味着有一半的进程竞争不到 CPU。
那现在我们知道平均负载最理想的情况是等于CPU个数，我们可以通过top命令或者文件/proc/cpuinfo中读取
$ top #执行top命令后按数字1
top - 20:23:01 up 6:35, 1 user, load average: 0.02, 0.05, 0.05
Tasks: 161 total, 1 running, 160 sleeping, 0 stopped, 0 zombie
%Cpu0 : 0.0 us, 0.0 sy, 0.0 ni,100.0 id, 0.0 wa, 0.0 hi, 0.0 si, 0.0 st
%Cpu1 : 0.0 us, 0.3 sy, 0.0 ni, 99.7 id, 0.0 wa, 0.0 hi, 0.0 si, 0.0 st
KiB Mem : 14109492 total, 12420040 free, 655876 used, 1033576 buff/cache
KiB Swap: 4063228 total, 4063228 free, 0 used. 11336992 avail Mem
$ grep 'model name' /proc/cpuinfo | wc -l
有了CPU个数，我们就可以判断出，当平均负载比CPU个数还大的时候，系统已经出现了过载。
关于平均负载的三个数值，可以让我们更全面、更立体地理解当前的负载状况。
当平均负载高于 CPU 数量 70% 的时候，就应该分析排查负载高的问题了。一旦负载过高，就可能导致进程响应变慢，进而影响服务的正常功能。
但 70% 这个数字并不是绝对的，最推荐的方法，还是把系统的平均负载监控起来，然后根据更多的历史数据，判断负载的变化趋势。当发现负载有明显升高趋势时，比如说负载翻倍了，你再去做分析和调查。
平均负载与 CPU 使用率
我们还是要回到平均负载的含义上来，平均负载是指单位时间内，处于可运行状态和不可中断状态的进程数。所以，它不仅包括了正在使用 CPU 的进程，还包括等待 CPU 和等待 I/O 的进程。
而cpu使用率，是单位时间内 CPU 繁忙情况的统计，跟平均负载并一定完全对应。比如：
CPU 密集型进程，使用大量 CPU 会导致平均负载升高，此时这两者是一致的；
I/O 密集型进程，等待 I/O 也会导致平均负载升高，但 CPU 使用率不一定很高；
大量等待 CPU 的进程调度也会导致平均负载升高，此时的 CPU 使用率也会比较高。
平均负载案例分析
三个示例分别来看这三种情况，并用 iostat、mpstat、pidstat 等工具，找出平均负载升高的根源。
机器配置：2 CPU，8GB 内存。
预先安装 stress 和 sysstat 包，如 apt install stress sysstat。
stress 是一个 Linux 系统压力测试工具，这里我们用作异常进程模拟平均负载升高的场景。
而 sysstat 包含了常用的 Linux 性能工具，用来监控和分析系统的性能。我们的案例会用到这个包的两个命令 mpstat 和 pidstat。
- mpstat 是一个常用的多核 CPU 性能分析工具，用来实时查看每个 CPU 的性能指标，以及所有 CPU 的平均指标。
- pidstat 是一个常用的进程性能分析工具，用来实时查看进程的 CPU、内存、I/O 以及上下文切换等性能指标。
Ubuntu：$ apt install stress sysstat -y
CentOS：
安装stress
$ yum install epel-release -y
$ yum install stree
安装sysstat
yum默认安装的版本较老（10.1.5），pidstat输出不显示%wait，11.5.5版本以后输出中才会有，所以这里使用源码安装最新版本的sysstat
$ yum install gcc git -y
$ git clone https://gitee.com/mirrors/sysstat.git
$ cd sysstat
$ ./configure --disable-nls --prefix=/usr/local/
$ make && make install
场景一：CPU 密集型进程
首先在第一个终端运行 stress 命令，模拟一个 CPU 使用率 100% 的场景：
$ stress --cpu 1 --timeout 600
接着在第二个中断运行uptime查看平均负载的变化情况：
# -d 参数表示高亮显示变化的区域
$ watch -d uptime
..., load average: 1.00, 0.78, 0.53
最后在第三个终端运行mpstat查看CPU使用率的变化情况：
# 显示所有CPU的指标，并在间隔5秒输出一组数据
$ mpstat -P ALL 5 1
23:07:22 CPU %usr %nice %sys %iowait %irq %soft %steal %guest %gnice %idle
23:07:27 all 10.00 0.00 0.04 0.00 0.00 0.00 0.00 0.00 0.00 89.96
23:07:27 0 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 100.00
23:07:27 1 0.00 0.00 0.20 0.00 0.00 0.00 0.00 0.00 0.00 99.80
23:07:27 2 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 100.00
23:07:27 3 100.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00
从终端二中可以看到，1 分钟的平均负载会慢慢增加到 1.00，而从终端三中还可以看到，正好有一个 CPU 的使用率为 100%，但它的 iowait 只有 0。这说明，平均负载的升高正是由于 CPU 使用率为 100% 。
那么到底是哪个进程导致了 CPU 使用率为 100% 呢？现在就使用pidstat来查询：
# 间隔5秒后输出一组数据
$ pidstat -u 5 1
23:18:51 UID PID %usr %system %guest %wait %CPU CPU Command
23:18:56 0 445 0.00 0.20 0.00 0.00 0.20 8 kworker/8:2
23:18:56 0 1025 0.00 0.60 0.00 0.00 0.60 2 containerd
23:18:56 0 14170 92.42 0.00 0.00 0.00 92.42 0 stress
23:18:56 0 14595 0.00 0.20 0.00 0.00 0.20 9 pidstat
现在可以看到是stress进程的 CPU 使用率为接近 100%。
场景二：I/O 密集型进程
还是运行stess命令，模拟 I/O 压力，即不停地执行 sync:
iowait无法升高的问题，是因为案例中stress使用的是 sync() 系统调用，它的作用是刷新缓冲区内存到磁盘中。对于新安装的虚拟机，缓冲区可能比较小，无法产生大的IO压力，这样大部分就都是系统调用的消耗了。所以，你会看到只有系统CPU使用率升高。解决方法是使用stress的下一代stress-ng，它支持更丰富的选项，比如 stress-ng -i 1 --hdd 1 --timeout 600（--hdd表示读写临时文件）。
$ stress -i 1 --timeout 600
第二个终端运行uptime查看平均负载的变化情况：
$ watch -d uptime
..., load average: 1.06, 0.58, 0.37
第三个终端运行 mpstat 查看 CPU 使用率的变化情况：
# 显示所有CPU的指标，并在间隔5秒输出一组数据
$ mpstat -P ALL 5 1
13:41:28 CPU %usr %nice %sys %iowait %irq %soft %steal %guest %gnice %idle
13:41:33 all 0.21 0.00 12.07 32.67 0.00 0.21 0.00 0.00 0.00 54.84
13:41:33 0 0.43 0.00 23.87 67.53 0.00 0.43 0.00 0.00 0.00 7.74
13:41:33 1 0.00 0.00 0.81 0.20 0.00 0.00 0.00 0.00 0.00 98.99
从这里可以看到，1 分钟的平均负载会慢慢增加到 1.06，其中一个 CPU 的系统 CPU 使用率升高到了 23.87，而 iowait 高达 67.53%。这说明，平均负载的升高是由于 iowait 的升高。
那么到底是哪个进程，导致 iowait 这么高呢？我们还是用 pidstat 来查询：
# 间隔5秒后输出一组数据，-u表示CPU指标
$ pidstat -u 5 1
Linux 4.15.0 (ubuntu) 09/22/18 _x86_64_ (2 CPU)
13:42:08 UID PID %usr %system %guest %wait %CPU CPU Command
13:42:13 0 104 0.00 3.39 0.00 0.00 3.39 1 kworker/1:1H
13:42:13 0 109 0.00 0.40 0.00 0.00 0.40 0 kworker/0:1H
13:42:13 0 2997 2.00 35.53 0.00 3.99 37.52 1 stress
13:42:13 0 3057 0.00 0.40 0.00 0.00 0.40 0 pidstat
可以发现，还是 stress 进程导致的。
场景三：大量进程的场景
当系统运行程序超出 CPU 运行能力时，就会出现等待 CPU 的进程。
比如，我们还是使用 stress，但这次模拟的是 8 个进程：
$ stress -c 8 --timeout 600
由于系统只有 2 个 CPU，明显比 8 个进程要少得多，因而，系统的 CPU 处于严重过载状态，平均负载高达 7.97：
$ uptime
..., load average: 7.97, 5.93, 3.02
接着再运行 pidstat 来看一下进程的情况：
# 间隔5秒后输出一组数据
$ pidstat -u 5 1
14:23:25 UID PID %usr %system %guest %wait %CPU CPU Command
14:23:30 0 3190 25.00 0.00 0.00 74.80 25.00 0 stress
14:23:30 0 3191 25.00 0.00 0.00 75.20 25.00 0 stress
14:23:30 0 3192 25.00 0.00 0.00 74.80 25.00 1 stress
14:23:30 0 3193 25.00 0.00 0.00 75.00 25.00 1 stress
14:23:30 0 3194 24.80 0.00 0.00 74.60 24.80 0 stress
14:23:30 0 3195 24.80 0.00 0.00 75.00 24.80 0 stress
14:23:30 0 3196 24.80 0.00 0.00 74.60 24.80 1 stress
14:23:30 0 3197 24.80 0.00 0.00 74.80 24.80 1 stress
14:23:30 0 3200 0.00 0.20 0.00 0.20 0.20 0 pidstat
可以看出，8 个进程在争抢 2 个 CPU，每个进程等待 CPU 的时间（也就是代码块中的 %wait 列）高达 75%。这些超出 CPU 计算能力的进程，最终导致 CPU 过载。
小结
分析完这三个案例，来归纳一下平均负载的理解。平均负载提供了一个快速查看系统整体性能的手段，反映了整体的负载情况。但只看平均负载本身，我们并不能直接发现，到底是哪里出现了瓶颈。所以，在理解平均负载时，也要注意：
- 平均负载高有可能是 CPU 密集型进程导致的；
- 平均负载高并不一定代表 CPU 使用率高，还有可能是 I/O 更繁忙了；
- 当发现负载高的时候，你可以使用 mpstat、pidstat 等工具，辅助分析负载的来源。
文章来源：https://www.cnblogs.com/Pyke/p/15156943.html?utm_source=gold_browser_extension
